“SNR”、“Eb/N0”与“Es/N0”辨析

“SNR”、“Eb/N0”与“Es/N0”辨析

1. 符号说明

S S :信号平均功率 N N : 噪声平均功率
E b E_b : 每bit信号能量 N 0 N_0 :噪声功率谱密度
E s E_s :信号(符号)能量 R b R_b :传信率(每秒传输的bit数)
W W : 信号带宽 k k : 每个符号包含的bit数
T T : 符号周期 T s T_s : 采样点间隔

由上表可知, R b = k T 使 M k = l o g 2 M R_b=\frac{k}{T},使用M进制传输时,k=log_2M

2. 信噪比的定义

  信噪比一般定义为信号(平均)功率与噪声(平均)功率之比,又可进一步细分为平均信噪比 S / N S/N ,比特信噪比 E b / N 0 E_b/N_0 ,符号信噪比 E s / N 0 E_s/N_0 。通信系统仿真中常用dB形式:

S N R = 10 l o g ( S / N ) d B e b n o = 10 l o g ( E b / N 0 ) d B e s s n o = 10 l o g ( E s / N 0 ) d B \begin{aligned} SNR&=10log(S/N)&——& 信号噪声平均功率比的dB形式 \\ ebno&=10log(E_b/N_0)&——& 比特信噪比的dB形式\\ essno&=10log(E_s/N_0)&——& 符号信噪比的dB形式 \end{aligned}

3. E b / N 0 S / N E_b/N_0与S/N

S = E b × R b S=E_b×R_b —— 信号平均功率=每秒传输的信号能量
N = N 0 × W N=N_0×W —— 噪声功率=噪声功率谱密度×信道带宽

于是有:

S N = E b × R b N 0 × W = E b N 0 × R b W = η E b N 0 (1) \frac{S}{N} =\frac{E_b×R_b}{N_0×W} = \frac{E_b}{N_0}× \frac{R_b}{W}=\eta\frac{E_b}{N_0} \tag{1}

其中

η = R b / W \eta=R_b/W 称为频带利用率——单位频带内的信息传输速率,单位:bit/(s·Hz)

4. E b / N 0 E s / N 0 E_b/N_0与E_s/N_0

E s = E b × k   k = l o g 2 M E_s=E_b \times k \\ \ \\ k=log_2M

于是有
E s N 0 = k × E b N 0 = l o g 2 M × E b N 0 (2) \frac{E_s}{N_0}=k \times\frac{E_b}{N_0}=log_2M \times\frac{E_b}{N_0} \tag{2}

由上式可以看出, E b / N 0 E_b/N_0 k k 无关,而 E s / N 0 E_s/N_0 k k 有关, k k 是每个符号中包含的信息bit数,受编码速率以及调制方式等因素的影响。在数字通信系统仿真中,多用 E b / N 0 E_b/N_0 做为衡量系统性能的指标。

5. E s / N 0 S / N E_s/N_0与S/N

由(1)(2)可知,
E s N 0 = k × S N × W R b = S N × T W (3) \frac{E_s}{N_0}=k \times\frac{S}{N}\times\frac{W}{R_b}=\frac{S}{N} \times TW\tag{3}

6. SNR、ebno与esno

由以上推导可以看出 S / N S/N E b / N 0 E_b/N_0 E s / N 0 E_s/N_0 是线性关系,仿真时候可以当成一个参数看待,它们的dB形式一般用 S N R SNR e b n o ebno e s n o esno 表示,于是有
e s n o = e b n o + 10 l g ( k ) e b n o = S N R 10 l g ( R b / W ) e s n o = S N R + 10 l g ( T W ) \begin{aligned} esno&=ebno+10lg(k) \\ ebno&=SNR-10lg(R_b/W) \\ esno&=SNR+10lg(TW) \end{aligned}

7. 通信系统仿真☆☆☆

首先要明白这三个信噪比的概念。

  • S N R SNR :每个采样点上的信噪比,也是MATLAB中AWGN函数需要输入的信噪比
  • E b / N 0 E_b/N_0 :比特信噪比,指的是每bit的能量与噪声功率谱密度之比,也是BER差错性能曲线的横轴(BER是指比特误码率);
  • E s / N 0 E_s/N_0 :符号信噪比,指的是每个符号的能量与噪声功率谱密度之比。

相互转换(与6中基本相同,再重复写一遍):

  1. E b / N 0 E_b/N_0 E s / N 0 E_s/N_0 之间的关系:
    E s / N 0 ( d B ) = E b / N 0 ( d B ) + 10 l g ( k ) (4) E_s/N_0(dB)=E_b/N_0(dB)+10lg(k) \tag{4}
    2. E b / N 0 E_b/N_0 S N R SNR 之间的关系:
    E b / N 0 ( d B ) = S N R ( d B ) 10 l g ( R b / W ) (5) E_b/N_0(dB)=SNR(dB)-10lg(R_b/W) \tag{5}

  2. E s / N 0 E_s/N_0 S N R SNR 之间的关系:
    对于实信号:
    E s / N 0 ( d B ) = S N R ( d B ) + 10 l g ( 0.5 T / T s ) (6) E_s/N_0(dB)=SNR(dB)+10lg(0.5*T/T_s) \tag{6}

    对于复信号: E s / N 0 ( d B ) = S N R ( d B ) + 10 l g ( T / T s ) (7) E_s/N_0(dB)=SNR(dB) +10lg(T/T_s) \tag{7}

当我们要使用AWGN这个函数的时候要通过一系列转换成需要的SNR

下面给出(6)的简单推导:
由(3)式可知
E s N 0 = S N × T W \frac{E_s}{N_0}=\frac{S}{N} \times TW

根据低通采样定理,此处令 f s = 2 f m = 2 W f_s=2f_m=2W

则, W = f s / 2 = 1 2 T s W=f_s/2=\frac{1}{2T_s}

带入(3)得 E s N 0 = S N × T 2 T s \frac{E_s}{N_0}=\frac{S}{N} \times \frac{T}{2T_s}

等式两边取dB形式即得(6)。

对于复信号,参考文章1中给出的解释是:复信号的功率谱密度为单边,实信号的功率谱密度为双边,所以在相同信号功率的前提下复信号的带宽减半,功率谱密度加倍。因此实信号与复信号相差一个系数。(注:此解释也不是很清晰,如果之后我有好的理解方式,会给出更详细的解释)

mathworks官方帮助文档也对此给出了说明,可参考:AWGN Channel

8. 仿真中的参数设置问题

  • 为什么要将 E b / N 0 E_b/N_0 转换为 S N R SNR 呢?
    因为要加入高斯白噪声信道,高斯白噪声信道的噪声参数是与 S N R SNR 直接相关的,所以要将 E b / N 0 E_b/N_0 转换为 S N R SNR

  • 为什么仿真要用 E b / N 0 E_b/N_0 ,而不用 S N R SNR 呢?
    因为用 E b / N 0 E_b/N_0 可以直观的看到系统性能,比如只采用QPSK,那么BER达到千分之一时, E b / N 0 E_b/N_0 大约为7;而采用单用户,进行了信道编码与均衡,采用QPSK星座映射,但 E b / N 0 E_b/N_0 为7时,BER为百分之一,那就证明系统设计有问题或者仿真出错了。因为 S N R SNR E b / N 0 ( d B ) E_b/N_0(dB) 是线性关系,所以用 S N R SNR 为参数看BER只能看到大概的趋势,不能看到系统性能到底如何。

  总的来说,就是用 E b / N 0 E_b/N_0 (作为BER差错性能曲线的横轴)来做通信系统仿真,观察系统性能,而当仿真过程中要使用AWGN Channel(加性高斯白噪声信道)时,需要将 E b / N 0 E_b/N_0 转换为 S N R SNR 作为AWGN信道参数输入。

转换公式:
E b / N 0 ( d B ) = S N R ( d B ) 10 l g ( R b / W ) E_b/N_0(dB)=SNR(dB)-10lg(R_b/W) 其中, η = R b / W \eta=R_b/W 称为频带利用率:单位频带内的信息传输速率,单位:bit/(s·Hz)

参考文章

1. 信噪比SNR , Eb/N0 , Es/N0区别与联系之深入剖析
2. 通信系统仿真中SNR,Eb/N0,Es/N0的区别与联系
3. SNR到底怎么用EbNo表示


  博主不定期发布『保研/推免、C/C++、5G移动通信、Linux、生活随笔』系列文章,如果觉得本文对你有帮助,『点赞+关注』支持一下哦!

发布了70 篇原创文章 · 获赞 125 · 访问量 3万+

猜你喜欢

转载自blog.csdn.net/weixin_43871127/article/details/104893452
今日推荐